声明
摘要
第1章绪论
1.1研究背景与意义
1.1.1研究背景
1.1.2实践意义
1.1.3学术价值
1.2国内外研究综述
1.3论文研究内容
1.4论文总体框架
1.5论文创新点
第2章SV族模型的主要形式
2.1 SV模型的基本形式
2.2 SV模型的主要扩展形式
2.2.2均值SV(SV-M)模型
2.2.3杠杆SV(ASV)模型
2.3本章小结
第3章SV族模型参数估计方法
3.1 SV族模型参数估计方法的演变
3.1.1似然函数法——伪似然估计(QML)方法
3.1.2矩估计方法——广义矩估计(GMM)
3.1.3 MCMC算法
3.2蒙特卡洛马尔可夫链MCMC算法
3.2.1基本理论
3.2.2蒙特卡洛马尔可夫(MCMC)方法
3.2.3 Metropolis-Hastings(M-H)抽样方法
3.2.4 Gibbs抽样方法
3.3SV族模型贝叶斯推断
3.3.1标准SV模型的贝叶斯推断
3.3.2 SV-t模型贝叶斯推断
3.3.3 SV-MN模型的贝叶斯推断
3.3.4 SV-MT模型的贝叶斯推断
3.3.5 ASV模型的贝叶斯推断
3.4本章小结
第4章MCMC算法的改进策略
4.1 MCMC算法的改进策略
4.2小波分析
4.2.1小波分析概述
4.2.2多分辨分析
4.2.3小波包分析
4.3 MCMC的并行抽样算法
4.3.2并行化策略的启发式算法
4.3.3块采样器
4.4本章小结
第5章实证研究
5.1模型比较指标构建
5.2数据选取以及小波分析
5.3 SV族模型MCMC算法与并行MCMC算法的对比实证
5.3.1 SV-N模型的对比实证研究
5.3.2 SV-t模型的对比实证研究
5.3.3 SV-MN模型的对比实证研究
5.3.4 SV-MT模型的对比实证研究
5.3.5 ASV模型的对比实证研究
5.3.6加速效率对比实证
5.4本章小结
第6章总结与展望
6.1总结
6.2不足与展望
参考文献
致谢